L’interaction humain-robot

Serena Ivaldi, directrice de recherche Inria au Laboratoire lorrain de recherche en informatique et ses applications (LORIA – CNRS/Université de Lorraine), présente l’action structurée AS3 « Décision, apprentissage et interaction sociale » du programme de recherche Robotique organique (O2R). Elle développe l’apprentissage des robots au cours des interactions avec les humains.

Vous annoncez comme défi scientifique majeur celui de jeter les bases de nouveaux algorithmes de décision, d’apprentissage et d’interaction centrés sur la société. Comment faites-vous techniquement pour que les robots apprennent et prennent des décisions ?

Serena Ivaldi : Les robots apprennent et prennent des décisions grâce à une combinaison de capteurs, d’algorithmes et de capacités de calcul.
La sélection d’une action, ainsi que la manière de l’exécuter, résulte généralement d’un processus d’estimation de l’état du robot dans son environnement. Ce processus transforme les données issues de multiples capteurs — tels que les caméras, lidars, microphones ou capteurs de force — en informations exploitables pour la prise de décision, par exemple pour détecter la présence d’humains à proximité, interpréter des consignes verbales ou estimer les efforts fournis par une personne.
À partir de cette estimation, des algorithmes de planification déterminent les actions à réaliser en fonction de l’état courant du robot et de ses objectifs. D’autres algorithmes se chargent ensuite de traduire ces décisions en actions concrètes : à chaque milliseconde, des calculs en temps réel génèrent les commandes nécessaires à l’activation des moteurs du robot.
L’apprentissage intervient à différents niveaux de granularité et d’échelle temporelle, afin d’affiner les mouvements, d’améliorer les modèles internes et d’adapter les décisions à de nouvelles situations d’interaction. Dans le cadre d’AS3, nous étudions notamment l’apprentissage supervisé, l’apprentissage par renforcement, ainsi que des algorithmes d’optimisation de la diversité (cf. quality diversity).

Vous indiquez vous concentrer d’abord sur les robots manipulateurs mobiles pour développer ces nouveaux modèles et algorithmes. Pourquoi avoir fait le choix de ce type de robots en premier lieu ? Pourriez-vous nous en donner 2 exemples assistant les humains physiquement ?

S.I. : Nous avons sélectionné des plateformes représentatives de la robotique de service et d’assistance. Des prototypes équipés de nombreux capteurs sont utilisés pour le développement de nos algorithmes, avec pour objectif à terme de les déployer et de les évaluer sur les robots de PI1, PI2 et PI3.

Les robots manipulateurs mobiles, largement utilisés en robotique de service, disposent des capacités essentielles pour assister les humains dans des environnements publics comme privés : navigation, perception, manipulation, ainsi qu’interaction verbale et non verbale. Ils offrent un cadre pertinent pour étudier des scénarios réalistes, tels que le service en restauration ou la livraison de matériel médical en milieu hospitalier. Le robot doit notamment être capable de gérer les forces échangées lors d’un passage d’objet, de réagir à une collision inattendue ou encore de s’adapter lorsqu’un humain entre en contact physique avec lui.

Dans cette première phase du projet, les capacités d’interaction sociale sont prioritaires par rapport aux capacités d’interaction physique. Cette priorité s’inversera dans la seconde phase, consacrée au développement d’algorithmes pour les exosquelettes.

Vous annoncez chercher à comprendre si un robot peut trouver sa place dans la société sans créer de méfiance et d’anxiété qu’il soit hautement intelligent ou simple d’utilisation pour le grand public et doté d’un langage adapté aux utilisateurs finaux en France. Quels premiers éléments de réponse les non spécialistes de la robotique (neurosciences, neurocybernétique, anthropologie, sociologie et linguistique) ont-ils apporté au projet jusqu’ici ?

S.I. : Ils ont d’abord apporté un éclairage essentiel sur l’acceptabilité sociale des robots et sur la manière dont les individus interagissent avec les robots de service, à partir de nombreuses observations de terrain.
Ensuite, l’ensemble de l’équipe d’AS3 travaille sur la question de la confiance envers le robot. Celle-ci ne dépend pas uniquement du niveau d’intelligence du robot, mais surtout de sa capacité à s’inscrire dans des pratiques sociales existantes, en respectant les rôles et les normes culturelles. La théorie sociale met en évidence la difficulté de transposer la notion de confiance interpersonnelle, propre aux relations humaines, aux interactions entre humains et robots. La psychologie souligne la nécessité pour le robot de détecter les ruptures de confiance et d’adapter son comportement en conséquence.
Les neurosciences ont également contribué à ces travaux, en montrant que la confiance est étroitement liée à l’anxiété générée par les mouvements du robot lorsqu’il se trouve à proximité de l’humain.
Dans l’ensemble, ces disciplines indiquent les axes selon lesquels nos algorithmes de décision, d’apprentissage et d’interaction doivent évoluer afin de concevoir des robots mieux adaptés aux contextes sociaux.